Árvore de Classificação Ótima Interpretável para o problema de classificação de níveis de estresse

Soluções baseadas em inteligência artificial têm sido amplamente utilizadas, mas nem sempre são apropriadas quando a interpretabilidade é essencial. Modelos recentes são capazes de gerar árvores de classificação ainda mais ajustadas que modelos heurísticos, usando otimização. Nós treinamos os modelos Árvore de Classificação e Regressão (CART) e Árvore de Classificação Ótima usando Otimização Inteira Mista (OCT-MIO) usando validação cruzada sobre um conjunto de dados de pessoas classificadas em 5 níveis de estresse. Os experimentos mostram que o modelo OCT-MIO alcança mais acertos que o CART para uma mesma altura de árvore, tornando-o uma melhor alternativa para problemas onde é necessário obter uma melhor acurácia, preservando a interpretabilidade.